MétaCan
Menu
Retour à la cohorte
Enregistrement W2966724782 · doi:10.1093/gji/ggz324

Interferometric time-lapse velocity analysis: application to a salt-water disposal well in British Columbia, Canada

2019· article· en· W2966724782 sur OpenAlexaffabout
Yoones Vaezi, Mirko van der Baan

Notice bibliographique

RevueGeophysical Journal International · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Waves and Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésInduced seismicityGeologySeismic interferometrySeismologySeismometerPore water pressurePassive seismicSeismic noiseSnowPoromechanicsAmbient noise levelNoise (video)InterferometryEnvironmental scienceGeotechnical engineeringGeomorphologySound (geography)

Résumé

récupéré en direct d'OpenAlex

SUMMARY We investigate the possibility of passive monitoring of a salt-water disposal well in British Columbia, Canada, using continuously recorded ambient seismic noise. We find seismic velocity variations induced by a reduction of injection pressure in an effort to mitigate an elevated level of seismicity, most likely associated with the disposal of salt water. The relative velocity variations are derived from time-shifts measured between consecutive cross-correlation functions for each station pair in a surface array composed of five broad-band seismometers. The probable driving mechanisms responsible for the velocity changes are reduced pore pressures and/or lowered poroelastic stresses beyond the injection wellbore, respectively. Hydrologic data (e.g. snow and rainfall), noise energy trends and fluctuations in the incident direction of dominant noise sources do not correlate with the estimated relative velocity variations. Velocity variations are detected ahead of the zone of induced seismicity, thus indicating that seismic interferometry may aid in mitigation efforts to reduce the risk of induced seismicity by (1) providing verifiable and repeatable measurements of physical changes within the surrounding area and (2) providing hard constraints for modelling efforts to constrain how and where pore-pressure fronts change.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,003
Tête enseignante GPT0,179
Écart entre enseignants0,177 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Journal InternationalMême sujetSeismic Waves and AnalysisTravaux en français237 207